[论文解读] On Certain Colouring Parameters of Graphs

Sudev Naduvath, S. Satheesh+2 more|arXiv (Cornell University)|Jun 3, 2017

Advanced Graph Theory Research参考文献 11被引用 8

一句话总结

本文通过将顶点颜色分布建模为概率质量函数，首次将统计学中的均值与方差概念引入图着色问题。研究推导出完全图、环图、轮图及k-部图等标准图类的色均值与色方差的精确值，揭示出正则k-部图在着色中呈现均匀的颜色分布，其色均值为 (k+1)/2，色方差为 (k²−1)/12。

ABSTRACT

Colouring the vertices of a graph $G$ according to certain conditions can be considered as a random experiment and a discrete random variable $X$ can be defined as the number of vertices having a particular colour in the proper colouring of $G$. In this paper, we extend the concepts of mean and variance, two important statistical measures, to the theory of graph colouring and determine the values of these parameters for a number of standard graphs.

研究动机与目标

• 通过将颜色分布视为概率分布，将统计学中的均值与方差扩展至图着色理论。
• 定义并计算标准图类（如完全图、环图、轮图、k-部图）在最小正常着色下的色均值与色方差。
• 探讨图类（如块图与k-部图）中颜色分布均匀性所蕴含的结构意义。
• 为未来在边着色与总着色等多种图着色类型中研究和、均值与方差奠定基础。

提出的方法

• 将顶点着色建模为随机实验，其中随机变量X表示被赋予某一特定颜色的顶点数量。
• 定义概率质量函数（p.m.f.）f(i) = θ(cᵢ)/|V(G)|，其中θ(cᵢ)为颜色cᵢ所对应的顶点数量。
• 定义色均值μ꜀(G) = (∑i·θ(cᵢ)) / |V(G)| 与色方差σ²꜀(G) = (∑i²·θ(cᵢ)/|V(G)|) − μ²，其形式与统计矩类似。
• 利用最小正常着色（即最小化着色和ω꜀(G)的着色）计算χ-色均值与χ-色方差。
• 将该框架应用于标准图类：完全图Kₙ、环图Cₙ、轮图Wₙ与k-部图，借助图的结构特性确定θ(cᵢ)。
• 基于颜色分布的对称性与奇偶性（n为奇数或偶数），推导出均值与方差的闭式表达式。

实验结果

研究问题

• RQ1 在最小正常着色下，完全图Kₙ的χ-色均值与χ-色方差是多少？
• RQ2 轮图Wₙ的χ-色均值与χ-色方差如何随n的奇偶性而变化？
• RQ3 在何种条件下，k-部图在其最小正常着色中呈现均匀的颜色分布？
• RQ4 块图的χ-色均值与χ-色方差与其组成结构之间存在何种关系？
• RQ5 均值与方差的概念能否推广至其他类型的图着色（如边着色或总着色）？

主要发现

• 对于完全图Kₙ，χ-色均值为(n+1)/2，χ-色方差为(n²−1)/12。
• 对于环图Cₙ，当n为奇数时，χ-色均值为(n+1)/2，χ-色方差为(n²−1)/12；当n为偶数时，χ-色均值为(n+1)/2，χ-色方差为(n²−4)/12。
• 对于轮图Wₙ，当n为奇数时，χ-色均值为(5n−3)/(2n)，当n为偶数时，χ-色均值为(7n−8)/(2n)。
• 对于轮图Wₙ，当n为奇数时，χ-色方差为(n²+30n−31)/(4n²)；当n为偶数时，χ-色方差为(n²+32n−64)/(4n²)。
• 对于正则k-部图，其最小正常着色在k种颜色上产生均匀分布，导致χ-色均值为(k+1)/2，χ-色方差为(k²−1)/12。
• 块图由于其每个团组件内部着色均匀，表现出离散均匀分布的混合结构。